Cada día es más frecuente
encontrar a estudiantes que entregan un trabajo elaborado con ayuda de
inteligencia artificial. El texto está organizado, presenta argumentos y emplea
vocabulario académico. Cuando el profesor pregunta por qué eligió determinada
explicación, responde: “La revisé y cambié algunas cosas”. La respuesta deja
una pregunta pendiente: ¿qué revisó y con qué criterios?
Esta escena cotidiana
plantea un problema educativo que merece atención. Modificar una respuesta de
la IA puede significar corregir una expresión, sustituir palabras o reorganizar
párrafos. También puede implicar detectar una contradicción, comprobar una
fuente o reconocer que una propuesta no corresponde al problema estudiado.
Aunque todas estas acciones producen cambios, su valor como evidencia de
comprensión es diferente.
Aceptar, modificar o
rechazar son decisiones que pueden formar parte del aprendizaje. Para valorar su alcance necesitamos conocer las
razones que las sostienen. Una respuesta correcta puede aceptarse después de un
examen cuidadoso; otra puede modificarse sin haber sido comprendida. La
cantidad de cambios realizados dice poco cuando desconocemos el razonamiento
del estudiante.
Cambiar palabras no
equivale a revisar ideas
Cuando pedimos al
estudiantado que utilice la IA de manera crítica, debemos precisar qué
esperamos que haga. La indicación “revisa la respuesta” deja
demasiado espacio a interpretaciones. Un estudiante puede entender que debe
corregir la ortografía; otro, que necesita verificar cada afirmación.
Un ejemplo puede ayudar a
comprender esta situación. Consideremos una actividad de metodología de la
investigación. Una estudiante solicita a la IA ayuda para formular el objetivo
de un estudio sobre empleo de recursos HTML en las clases de una asignatura. La
herramienta propone: Determinar el impacto de una estrategia participativa
en el rendimiento académico. Sin embargo, la investigación prevista
consiste en recoger opiniones mediante una encuesta aplicada una sola vez.
La estudiante podría
sustituir determinar por analizar y conservar el resto. Habría
modificado el texto, pero seguiría pendiente el desajuste entre el objetivo y
el procedimiento. Una revisión más profunda exigiría reconocer que ese diseño
no permite atribuir cambios del rendimiento a la estrategia.
La decisión adquiere otro
valor cuando puede explicar: “Rechacé la formulación porque propone
establecer un impacto que mis datos no permiten comprobar”. Después podría
orientar el objetivo hacia las percepciones que realmente estudiará. En este
caso, la modificación expresa una relación comprendida entre el objetivo y la
metodología. Por eso no se trata de negar la IA, tampoco de pedir que justifique
lo que hizo o no, sino que explique el trayecto.
Otra idea es la de aceptar
una propuesta con fundamento. Si la respuesta corresponde a la tarea,
coincide con las fuentes consultadas y presenta un razonamiento adecuado,
conservarla puede ser una decisión justificada. Pero si el profesor exige cambios
en todas las respuestas, introduciría una obligación artificial. El estudiante
terminaría buscando diferencias para cumplir la consigna.
La investigación de
Bastani y colaboradores, publicada en PNAS en
Desde una perspectiva
pedagógica, interesa examinar qué actividad intelectual conserva el estudiante
durante esa ayuda. ¿Reconoce los conceptos que utiliza? ¿Puede explicar una
relación? ¿Identifica qué información necesita comprobar? Estas preguntas
permiten orientar la enseñanza y la evaluación hacia aspectos que el producto
terminado puede ocultar.
Una justificación
breve que permita conversar
Una idea que proponemos
es incorporar a las tareas con IA una explicación breve de las decisiones
relevantes. El estudiante seleccionaría un fragmento que haya influido en
su trabajo, mostraría qué decidió y justificaría esa elección mediante
conceptos, fuentes o condiciones de la actividad.
En el ejemplo anterior,
bastaría presentar el objetivo sugerido, la formulación adoptada y una
explicación del desajuste metodológico. El profesor tendría un punto concreto
para ofrecer retroalimentación. Podría comprobar si la estudiante comprende el
alcance de su encuesta o si únicamente repite una advertencia que encontró en
otra respuesta. En este caso volvemos al método de exposición oral, pero
el profesor debe tomar en cuenta que la cantidad de estudiantes puede frenar el
correcto desarrollo de esta tarea. Es probable que varios estudiantes tengan
respuestas muy similares al emplear la misma IA.
Conviene mantener esta
exigencia proporcionada a la tarea. Solicitar conversaciones completas, decenas
de capturas y comentarios sobre cada cambio puede generar una carga documental
difícil de revisar. Para una actividad breve, una decisión bien explicada puede
aportar información más útil que un historial extenso sin análisis.
Tampoco sería adecuado
exigir siempre una aceptación, una modificación y un rechazo. La interacción
real quizá no contenga las tres situaciones. Esa obligación podría llevar al
estudiante a inventar decisiones o descartar una propuesta válida. Debe poder
justificar lo que efectivamente ocurrió.
La explicación escrita
necesita, además, oportunidades de contraste. El profesor puede introducir una
variación del problema y preguntar si la decisión sigue siendo pertinente. En
nuestro ejemplo, podría plantear: ¿Qué tendría que cambiar en la
investigación para estudiar el efecto de esa estrategia? La respuesta
permitiría explorar la comprensión de la relación entre objetivo y diseño.
Este intercambio requiere
condiciones de confianza. Un estudiante que encuentra un error necesita poder
reconocerlo y corregirlo. Si cada explicación se convierte en una búsqueda de
faltas, resultará difícil conocer las dudas que acompañaron su trabajo. La
retroalimentación debería ayudarle a precisar sus criterios y reconocer los
límites de sus decisiones.
La propuesta es coherente
con la orientación de la UNESCO hacia un uso de la IA centrado en las personas
y sujeto a validación pedagógica. Esa orientación ofrece un marco general; el
procedimiento aquí planteado es una propuesta didáctica que deberá ajustarse y
evaluarse en cada contexto.
Debemos reconocer también
su límite: la propia IA puede redactar una justificación convincente.
Por eso, este registro debe combinarse con el conocimiento del proceso del
estudiante, la conversación y actividades posteriores. Su utilidad consiste en
abrir una oportunidad para examinar el razonamiento, sin atribuirle una certeza
que no puede ofrecer.
Podemos comenzar con una
pregunta sencilla al final de una tarea: ¿Qué decisión sobre una respuesta de
la IA fue importante para tu trabajo y por qué? Pasar de “lo cambié porque no
me gustaba” a “lo cambié porque la evidencia no sostiene esa conclusión” supone
un avance que merece atención.
Aceptar, modificar o
rechazar adquiere sentido educativo cuando el estudiante dispone de criterios
para hacerlo. La responsabilidad
del profesor incluye enseñar esos criterios y crear oportunidades para
utilizarlos. Allí podemos buscar evidencias de aprendizaje: en la capacidad de
explicar una elección, reconocer un error y revisar una decisión cuando
aparecen mejores razones.
Bastani,
H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025).
Generative AI without guardrails can harm learning: Evidence from high school
mathematics. Proceedings of the National Academy of Sciences, 122(26).
https://doi.org/10.1073/pnas.2422633122
No hay comentarios:
Publicar un comentario